Estadísticas para la salud
Allí donde la realización de experimentos reales resulta compleja, Liliana Orellana, investigadora en Bioestadística, trabaja estableciendo relaciones de causalidad a partir de referencias ya existentes en bases de datos de donde extrae información sobre qué le pasa a la gente a lo largo de su historia.
“Debido a la falta de datos, no se ha establecido la seguridad de este medicamento durante el embarazo y la lactancia”. La frase, incluida en prospectos de distintos medicamentos, deja claro que hay circunstancias en las que experimentar se hace complicado. No se puede forzar a nadie a que empiece a fumar. Tampoco se le puede pedir a una embarazada que se exponga a determinada situación para ver qué le pasa a su bebé. Planificar ciertos experimentos, no parece viable. Existen sin embargo, datos provenientes de estudios no experimentales que aportan información acerca de temas como estos. Con estos datos observacionales trabaja la doctora Liliana Orellana.
La bioestadística es un área de la estadística que involucra todo lo que se relaciona con el diseño, control de calidad de la información y el análisis de resultados de investigaciones planificadas para responder preguntas que provengan del área de salud, donde el sujeto de observación es el ser humano. “Trabajo en un área muy particular de la bioestadística, que se llama causalidad. La manera de establecer relaciones causales en ciencia es a través de los experimentos. Los experimentos aleatorizados y controlados permiten sacar conclusiones sobre efectos causales. Por ejemplo, tomar el medicamento A disminuye el riesgo del evento X, respecto de los que no toman el medicamento”, explica Orellana. Pero, si bien la regla de oro para establecer relaciones causales son los experimentos aleatorizados, existe una nueva tendencia que estudia si es posible establecer relaciones de causalidad a partir de información existente en modernas bases de datos, donde hay muchísima información sobre qué le pasó a la gente a lo largo de su historia, sobre todo en situaciones donde un experimento es imposible. “Estos datos se llaman observacionales, porque la acción, la intervención, el tratamiento o la exposición que nos interesaría estudiar –fumar, tomar una droga, estar expuesto a un tóxico–, no ha sido impuesta por el investigador. Existen métodos estadísticos que intentan emular las condiciones de un estudio experimental con datos observacionales. El punto clave es identificar el conjunto de condiciones que se tienen que cumplir en el estudio observacional para que sea posible responder preguntas causales. Por supuesto, no podemos asegurar que las conclusiones de un estudio observacional serán las mismas que hubiéramos obtenido con un experimento ideal, pero podemos aproximarnos a entender el efecto de factores tales como el consumo de cigarrillos o el uso de los antibióticos en el embarazo sobre el bajo peso del bebé al nacer”, detalla la investigadora.
Teniendo en cuenta esta premisa, Orellana, en colaboración con Andrea Rotnitzky, quien fue también su directora de doctorado en Bioestadística en Harvard, ha trabajado en el desarrollo de una metodología que permita determinar cuál es el mejor momento para empezar a tratar a personas VIH positivas, no sintomáticas, con el tratamiento antirretroviral. “Es difícil llevar adelante un ensayo clínico en estos casos ya que usualmente son de muy largo término, porque se evalúa el tiempo libre de SIDA o el tiempo de sobrevida del paciente, y porque se desean comparar muchos diferentes `momentos’ para comenzar el tratamiento”, dice. Sin embargo, existen registros clínicos o estudios de seguimiento (cohortes) en los que se dispone de información clínica, de tratamientos y de eventos tales como diagnóstico de SIDA u otras patologías. “Lo que hicimos fue desarrollar una metodología que usa datos observacionales de seguimiento clínico para estimar cuál es el momento óptimo para comenzar el tratamiento. Definimos además las condiciones que deben cumplir los datos para que el método pueda ser aplicado”.
Actualmente, Orellana trabaja con un grupo de investigación en Australia (Australian Longitudinal Study on Women’s Health), que desde 1996 sigue una cohorte de más de 40.000 mujeres. Buscan determinar la relación entre la depresión y el consumo de cigarrillos. En general, las personas que están más deprimidas consumen más cigarrillos. La pregunta es: ¿la depresión es la que hace fumar o impide dejar de hacerlo, o es el cigarrillo el que lleva a la depresión? “Hay diferentes maneras de encarar estas preguntas. Estamos terminando un trabajo en el que usamos los datos de la cohorte para simular un ensayo clínico que evalúa si intervenir para curar la depresión en esta población de mujeres reduciría la prevalencia de uso de tabaco”, comenta Orellana.
La aplicación de la bioestadística a la investigación es múltiple. El estadístico no sólo propone y entiende metodología compleja sino que es capaz de participar del proceso de la investigación desde el diseño hasta la presentación de resultados. “He colaborado en investigaciones del área de salud no sólo en el desarrollo de métodos sino específicamente como bioestadística, participando en equipos de trabajo en los que aporto una visión diferente.”, dice Orellana.
Bioestadística (Instituto de Cálculo)
2do. piso, Pabellón II, Oficina 17.
Teléfono: 4576-3375 interno 211
Directora: Liliana Orellana
